Data Analyst - certifié Mines Paris / PSL

1. Introduction à Python

• Fondamentaux de Python : variables, listes, Tuples, opérateurs, structures de contrôle, boucles, fonctions, classes, modules
• NumPy : création et manipulation de Numpy arrays, opérations matricielles, indicateurs statistiques
• Pandas : chargement et exploration de jeux de données, Data Cleaning, Data Processing
• Data Quality (optionnel) : principes essentiels, traitement des variables, nettoyage de données, gestion des valeurs manquantes

2. Data Visualisation

• Matplotlib : types de graphes, personnalisation
• Seaborn : analyse de distribution, statistique, multivariée
• Bokeh (facultatif) : graphiques interactifs intégrables
• Complément Matplotlib : graphiques avancés, figures avec classes et objets

3. Machine Learning

• Algorithmes de classification : régression logistique, KNN, arbre de décision, forêt aléatoire, SVM, boosting, Bagging
• Méthodes de réduction de dimension : ACP, T-SNE, analyse discriminante linéaire, clustering avec K-means
• Méthodes de régression : régression linéaire simple et multiple, ridge lasso, elastic-net

4. Extraction et gestion de données textes

• Text Mining : expressions régulières, gestion des données textuelles, Wordclouds, analyse de sentiments
• WebScraping : HTML, CSS, extraction avec BeautifulSoup, application sur Google

5. Big Data / Database

• Introduction au Data Engineering et Big Data : 3V du Big Data, bases de données et architectures, mise en production
• Data Processing et Machine Learning sur grandes bases de données : PySpark, Data Processing, Data Frames, régression avec PySpark, ML pipelines, Model Tuning

6. Business Intelligence

• Introduction à la BI : concepts et usage
• Power BI : connexion aux sources de données, Data visualisation avec Power Query, relations et modélisation, langage DAX, création de tableau de bord
• Tableau : connexion aux sources de données, mise en forme, Data Visualisation

+ Le projet fil rouge